sistem pengenalan nomor pelat kendaraan...

SISTEM PENGENALAN NOMOR PELAT KENDARAAN

MENGGUNAKAN JARINGAN SYARAF TIRUAN

BACKPROPAGATION

SKRIPSI

Disusun sebagai Salah Satu Syarat

untuk Memperoleh Gelar Sarjana Komputer

pada Jurusan Ilmu Komputer/ Informatika

Disusun oleh:

Afifatul Mukaroh

24010311120022

JURUSAN ILMU KOMPUTER/ INFORMATIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

2016

ii

HALAMAN PERNYATAAN KEASLIAN SKRIPSI

iii

HALAMAN PENGESAHAN

iv

HALAMAN PENGESAHAN

v

ABSTRAK

Dalam pengawasan lalu lintas, pengenalan nomor pelat kendaraan menjadi penting untuk

dilakukan. Hal ini dikarenakan pengenalan nomor pelat kendaraan memiliki banyak tujuan

seperti pengidentifikasian kendaraan curian, pengidentifikasian kendaraan yang melanggar

tata tertib, manajemen perparkiran, pengecekan keluar masuk kendaraan, dan lain

sebagainya. Sayangnya jumlah kendaraan yang semakin tinggi membuat hal ini tidak bisa

lagi dilakukan secara manual. Maka dari itu dibutuhkan sebuah machine vision yang dapat

mengenali nomor pelat kendaraan dengan cepat dan akurasi yang tinggi. Pada tugas akhir

ini dikembangkan sistem pengenalan nomor pelat kendaraan menggunakan jaringan syaraf

tiruan backpropagation (JST BP). Sistem ini mencari model terbaik JST BP yang mampu

melakukan pengenalan karakter-karakter pada pelat dengan waktu tercepat namun dengan

akurasi yang tetap tinggi. Dari model terbaik yang didapatkan, sistem pengenalan nomor

pelat kendaraan ini memiliki persentase keberhasilan sebesar 99.80% pada data pelat yang

digunakan sebagai pembentuk modeldan sebesar 96.10% pada data verifikasi.

Kata Kunci : Pengenalan Karakter, Nomor Pelat Kendaraan, Jaringan Syaraf Tiruan,

Backpropagation

vi

ABSTRACT

In traffic monitoring, vehicle plate number recognition is very important to do. This is

caused vehicle plate number recognition has many purposes such as stealing vehicle

identification, traffic violations identification, parking management, entry-exit checking,

etc. Unfortunately, the high amount of vehicle makes it not be longer done manually.

Therefore, it is needed a machine vision that able to recognize vehicle plate number with

high speed and high accuracy. In this final project, it was developed a vehicle plate number

recognition system using backpropagation neural network (BPNN). It found the best model

of BPNN that perform characters recognition at a plate with high speed yet high accuracy.

Based the best model obtained, it has 99.80% success percentage at generated data and

96.10% success percentage at verification data.

Keywords : Character Recognition, Vehicle Plate Number, Artifficial Neural Network,

Backpropagation

vii

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah Subhanahu wa Ta'ala yang telah

melimpahkan segala rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan

laporan tugas akhiryang berjudul “Sistem Pengenalan Nomor Pelat Kendaraan

Menggunakan Jaringan Syaraf Tiruan Backpropagation” dengan baik dan lancar.Laporan

tugas akhir ini disusun sebagai salah satu syarat untuk memperoleh gelar sarjana strata satu

pada Jurusan Ilmu Komputer/ Informatika Fakultas Sains dan Matematika Universitas

Diponegoro Semarang.

Dalam penyusunan tugas akhir ini penulis banyak mendapat bimbingan, bantuan,

dan dukungan dari berbagai pihak. Oleh karena itu, dengan segala kerendahan hati, penulis

menyampaikan terimakasih kepada:

1. Prof. Dr. Widowati, M.Si, selaku Dekan FSM UNDIP

2. Ragil Saputra, S.Si, M.Cs, selaku Ketua Jurusan Ilmu Komputer/ Informatika

3. Helmie Arif Wibawa, S.Si, M.Cs, selaku Koordinator Tugas Akhir

4. Priyo Sidik Sasongko, S.Si, M.Kom, selaku dosen pembimbing

Penulis menyadari bahwa dalam laporan ini masih banyak kekurangan baik dari

penyampaian materi maupun isi dari materi itu sendiri. Hal ini dikarenakan keterbatasan

kemampuan dan pengetahuan dari penulis. Oleh karena itu, kritik dan saran yang bersifat

membangun sangat penulis harapkan. Semoga laporan tugas akhir ini dapat bermanfaat

bagi penulis dan juga pembaca pada umumnya.

Semarang, Maret 2016

Afifatul Mukaroh

viii

DAFTAR ISI

HALAMAN JUDUL .............................................................................................................. i

HALAMAN PERNYATAAN KEASLIAN SKRIPSI .......................................................... ii

HALAMAN PENGESAHAN .............................................................................................. iii

ABSTRAK ........................................................................................................................... iv

ABSTRACT ......................................................................................................................... vi

KATA PENGANTAR ......................................................................................................... vii

DAFTAR ISI ...................................................................................................................... viii

DAFTAR GAMBAR ............................................................................................................ xi

DAFTAR TABEL .............................................................................................................. xiv

DAFTAR KODE ................................................................................................................ xvi

DAFTAR LAMPIRAN ..................................................................................................... xvii

BAB I PENDAHULUAN ..................................................................................................... 1

1.1. Latar Belakang ........................................................................................................ 1

1.2. Rumusan Masalah ................................................................................................... 3

1.3. Tujuan dan Manfaat ................................................................................................ 3

1.4. Ruang Lingkup ....................................................................................................... 3

1.5. Sistematika Penulisan ............................................................................................. 4

BAB II TINJAUAN PUSTAKA ........................................................................................... 5

2.1. Perkembangan Penelitian Nomor Pelat Kendaraan ................................................ 5

2.2. Pelat Nomor Kendaraan .......................................................................................... 7

2.3. Preprocessing Citra ................................................................................................. 8

2.3.1. Histogram ........................................................................................................ 8

2.3.2. Binerisasi ......................................................................................................... 8

2.3.3. Opening ......................................................................................................... 10

2.3.4. Median Filtering ............................................................................................ 12

ix

2.4. Backpropagation ................................................................................................... 13

2.5. Mean Square Error ................................................................................................ 15

2.6. Pengembangan Perangkat Lunak Model Waterfall .............................................. 15

2.6.1. Analysis .......................................................................................................... 16

2.6.2. Design ............................................................................................................ 16

2.6.3. Code ............................................................................................................... 16

2.6.4. Test ................................................................................................................ 17

BAB III ANALISIS DAN PERANCANGAN .................................................................... 18

3.1. Analisis Sistem ..................................................................................................... 18

3.1.1. Deskripsi Umum Sistem ................................................................................ 18

3.1.2. Kebutuhan Sistem .......................................................................................... 19

3.1.3. Pemodelan Fungsional ................................................................................... 20

3.2. Perancangan Sistem .............................................................................................. 23

3.2.1. Perancangan Fungsi ....................................................................................... 23

3.2.2. Perancangan Antarmuka ................................................................................ 42

BAB IV IMPLEMENTASI DAN PENGUJIAN ................................................................ 46

4.1. Implementasi ......................................................................................................... 46

4.1.1. Implementasi Sistem ..................................................................................... 46

4.1.2. Implementasi Jaringan Syaraf Tiruan Backpropagation ............................... 57

4.2. Pengujian .............................................................................................................. 75

4.2.1. Lingkungan Pengujian ................................................................................... 75

4.2.2. Pengujian Kebutuhan Sistem ......................................................................... 75

4.2.3. Pengujian Jaringan Syaraf Tiruan Backpropagation ..................................... 76

BAB V PENUTUP .............................................................................................................. 86

5.1. Kesimpulan ........................................................................................................... 86

5.2. Saran ..................................................................................................................... 87

DAFTAR PUSTAKA .......................................................................................................... 88

x

LAMPIRAN – LAMPIRAN ............................................................................................... 90

xi

DAFTAR GAMBAR

Gambar 2. 1 Pelat nomor Kendaraan..................................................................................... 7

Gambar 2. 2 Operasi Dilasi (Martin, 2000) ......................................................................... 11

Gambar 2. 3 Operasi Erosi (Martin, 2000) .......................................................................... 11

Gambar 2. 4 Contoh Operasi Median Filtering (Munir, 2004) ........................................... 12

Gambar 2. 5 Arsitektur Jaringan Backpropagation ............................................................. 13

Gambar 2. 6 Model Waterfall(Pressman, 2001) .................................................................. 16

Gambar 3. 1 Arsitektur Sistem Pengenalan Nomor Pelat Kendaraan ................................. 18

Gambar 3. 2 Context DiagramSistem Pengenalan Nomor Pelat Kendaraan ...................... 20

Gambar 3. 3 Diagram Dekomposisi Sistem Pengenalan Nomor Pelat Kendaraan ............. 21

Gambar 3. 4 Data Flow Diagram Level 1pada Sistem Pengenalan

Nomor Pelat Kendaraan....................................................................................................... 22

Gambar 3. 5 Data Flow Diagram Level 2 untuk Proses Pra-Pengolahan pada Sistem

Pengenalan Nomor Pelat Kendaraan ................................................................................... 22

Gambar 3. 6 Data Flow Diagram Level 2 untuk Proses Ekstraksi Ciri dan Seleksi Data

pada Sistem Pengenalan Nomor Pelat Kendaraan ............................................................... 22

Gambar 3. 7 Perubahan Data Citra pada Proses Pra-Pengolahan........................................ 23

Gambar 3. 8 Diagram Alir Cropping Pelat .......................................................................... 23

Gambar 3. 9 Citra Hasil Binerisasi ...................................................................................... 25

Gambar 3. 10 Histogram untuk Persebaran Piksel Putih secara Vertikal ........................... 27

Gambar 3. 11 Histogram untuk Persebaran Piksel Putih secara Horisontal ........................ 27

Gambar 3. 12 Diagram Alir Histogram Persebaran Piksel Putih ........................................ 28

Gambar 3. 13 Diagram Alir Pemotongan Batas Frame Kanan Kiri .................................... 29

Gambar 3. 14 Citra Hasil Pemotongan Batas Frame Pelat Kanan Kiri ............................... 29

Gambar 3. 15 Diagram Alir Pemotongan Batas Nomor Pelat Atas Bawah ........................ 30

Gambar 3. 16 Citra Hasil Pemotongan Batas Nomor Pelat Atas Bawah ............................ 30

Gambar 3. 17 Diagram Alir Pemotongan Batas Nomor Pelat Kanan Kiri .......................... 31

Gambar 3. 18 Citra Hasil Pemotongan Batas Nomor Pelat Kanan Kiri .............................. 31

Gambar 3. 19 Diagram Alir Segmentasi Karakter .............................................................. 31

Gambar 3. 20 Flowchart Median Filtering .......................................................................... 33

Gambar 3. 21 Segmentasi Tiap Karakter Berdasarkan Histogram ...................................... 34

Gambar 3. 22 Diagram Alir Tahap Cropping pada Fungsi Segmentasi Karakter ............... 34

xii

Gambar 3. 23 Proses Ekstraksi Ciri ..................................................................................... 35

Gambar 3. 24 Diagram Alir Ekstraksi Ciri Citra Karakter .................................................. 36

Gambar 3. 25 Diagram Alir Seleksi Data Karakter ............................................................. 37

Gambar 3. 26 Diagram Alir Fungsi Pelatihan Sistem Pengenalan Nomor

Pelat Kendaraan ................................................................................................................... 38

Gambar 3. 27 Diagram Alir Fungsi bp_prediksi .......................................................... 39

Gambar 3. 28 Diagram Alir Fungsi menghitung_MSE .................................................. 40

Gambar 3. 29 Diagram Alir FungsiPengujian Sistem Pengenalan Nomor

Pelat Kendaraan ................................................................................................................... 41

Gambar 3. 30 Diagram Alir Fungsi Pengenalan Sistem Pengenalan Nomor Pelat ............. 42

Gambar 3. 31 Rancangan Antarmuka Pra-Pengolahan ....................................................... 43

Gambar 3. 32 Rancangan Antarmuka Ekstraksi Ciri dan Seleksi Data............................... 43

Gambar 3. 33 Rancangan Antarmuka Pelatihan .................................................................. 44

Gambar 3. 34 Rancangan Antarmuka Pengujian................................................................. 45

Gambar 3. 35 Rancangan Antarmuka Pengenalan .............................................................. 45

Gambar 4. 1 Implementasi Antarmuka Pra-Pengolahan ..................................................... 55

Gambar 4. 2 Implementasi Antarmuka Ekstraksi Ciri dan Seleksi Data ............................ 55

Gambar 4. 3 Implementasi Antarmuka Pelatihan ................................................................ 55

Gambar 4. 4 Implementasi Antarmuka Pengujian .............................................................. 56

Gambar 4. 5 Implementasi Antarmuka Pengenalan tanpa Input Citra ................................ 56

Gambar 4. 6 Implementasi Antarmuka Pengenalan dengan Input Citra ............................. 56

Gambar 4. 7 ArsitekturJaringan Sistem Pengenalan Nonor Pelat Kendaraan ..................... 58

Gambar 4. 8 Perbandingan MSE pada Pelatihan Jaringan Alphabet

dengan Node Input 35 ......................................................................................................... 78

Gambar 4. 9 Perbandingan MSE pada Pelatihan Jaringan Numeric

dengan Node Input 35 ......................................................................................................... 79


dengan Node Input 112 ....................................................................................................... 80





xiii



Gambar 4. 14 Perbandingan MSE Pengujian ...................................................................... 84

Gambar 4. 15 Perbandingan Waktu Pengujian .................................................................... 84

xiv

DAFTAR TABEL

Tabel 2. 1 Perkembangan Penelitian Nomor Pelat Kendaraan .............................................. 5

Tabel 3. 1 SRS Sistem Pengenalan Nomor Pelat Kendaraan .............................................. 19

Tabel 4. 1 Bobot Awal V ..................................................................................................... 60

Tabel 4. 2 Bobot Awal W .................................................................................................... 62

Tabel 4. 3 Data Latih ke satu ............................................................................................... 62

Tabel 4. 4 Y_net(k), Y(k)dan δ(k) Hasil Perhitungan Manual Pelatihan ............................ 63

Tabel 4. 5 Z_net, Z, δ_net(j), dan δ(j)Hasil Perhitungan Manual Pelatihan ....................... 64

Tabel 4. 6 ∆𝑊𝑘, 𝑗 Hasil Perhitungan Manual ...................................................................... 64

Tabel 4. 7 ∆𝑉𝑗, 𝑖 Hasil Perhitungan Manual ........................................................................ 65

Tabel 4. 8 𝑊𝑘, 𝑗 Baru Hasil Perhitungan Manual ............................................................... 66

Tabel 4. 9 𝑉𝑗, 𝑖 Hasil Perhitungan Manual .......................................................................... 67

Tabel 4. 10 Z_net dan Z Hasil Perhitungan Manual Pelatihan ............................................ 69

Tabel 4. 11 𝑌_𝑛𝑒𝑡 dan Y(k) Hasil Perhitungan Manual Pelatihan ...................................... 69

Tabel 4. 12 Bobot Akhir V .................................................................................................. 71

Tabel 4. 13 Bobot Akhir W ................................................................................................. 72

Tabel 4. 14 Data Uji ke satu ................................................................................................ 73

Tabel 4. 15 Z_net dan Z Hasil Perhitungan Manual Pengujian........................................... 73

Tabel 4. 16 Y_net dan Y Hasil Perhitungan Manual Pengujian .......................................... 74

Tabel 4. 17 Rencana Pengujian Sistem ............................................................................... 76

Tabel 4. 18 MSE Pelatihan Jaringan Alphabet dengan Node Input 35 ............................... 78

Tabel 4. 19 MSE Pelatihan Jaringan Numeric dengan Node Input 35 ................................ 79

Tabel 4. 20 MSE Pelatihan Jaringan Alphabet dengan Node Input 112 ............................. 80

Tabel 4. 21 MSE Pelatihan Jaringan Numeric dengan Node Input 112 .............................. 81

Tabel 4. 22 MSE Pelatihan Jaringan Alphabet dengan Node Input 252 ............................. 81

Tabel 4. 23 MSE Pelatihan Jaringan Numeric dengan Node Input 252 .............................. 82

Tabel 4. 24 Perbandingan MSE dan waktu Jaringan Alphabet dan Jaringan Numeric ....... 83

Tabel L1. 1 Data Pembentuk Model Jaringan ..................................................................... 91

Tabel L1. 2 Data Verifikasi Pengenalan .............................................................................. 93

Tabel L2. 1 Citra Karakter Alphabet Hasil Pra-Pengolahan ............................................... 95

Tabel L2. 2 Citra Karakter Numeric Hasil Pra-Pengolahan ................................................ 96

xv

Tabel L3. 1 Ciri Data Latih Alphabet .................................................................................. 99

Tabel L3. 2 Ciri Data Uji Alphabet ................................................................................... 102

Tabel L3. 3 Ciri Data Latih Numeric ................................................................................. 103

Tabel L3. 4 Ciri Data Uji Numeric .................................................................................... 107

Tabel L5. 1 Pengujian pada eksperimen 4 untuk Karakter Alphabet ................................ 112

Tabel L5. 2 Pengujian pada eksperimen 4 untuk Karakter Numeric ................................. 113

Tabel L6. 1 Hasil Verifikasi pada Data Pembentuk Model Jaringan ................................ 117

Tabel L6. 2 Hasil Verifikasi pada Data Verifikasi Pelat ................................................... 118

xvi

DAFTAR KODE

Kode 4. 1 Cropping Pelat .................................................................................................... 46

Kode 4. 2 Segmentasi Karakter ........................................................................................... 47

Kode 4. 3 Ekstraksi Ciri ...................................................................................................... 49

Kode 4. 4 Seleksi Data ........................................................................................................ 49

Kode 4. 5 Pelatihan .............................................................................................................. 50

Kode 4. 6 Pengujian ............................................................................................................ 52

Kode 4. 7 Pengenalan .......................................................................................................... 52

Kode 4. 8 Histogram Persebaran Piksel Putih ..................................................................... 53

Kode 4. 9 bp_prediksi .......................................................................................................... 54

Kode 4. 10 menghitung_MSE ............................................................................................. 54

xvii

DAFTAR LAMPIRAN

Lampiran 1. Daftar Data Citra Pelat Kendaraan.............................................................. 91

Lampiran 2. Daftar Data Hasil Pra-Pengolahan .............................................................. 95

Lampiran 3. Daftar Ciri Karakter Berukuran 35 ............................................................. 99

Lampiran 4. Hasil dan Evaluasi Pengujian Sistem .......................................................... 110

Lampiran 5. Hasil Eksperimen 4 ..................................................................................... 112

Lampiran 6. Hasil Verifikasi Pengenalan ........................................................................ 117

1

BAB I

PENDAHULUAN

Bab ini menjelaskan tentang pendahuluan tugas akhir yang terdiri dari lima sub bab

utama yaitu latar belakang, rumusan masalah, tujuan dan manfaat, ruang lingkup tugas akhir

dan sistematika mengenai “Sistem Pengenalan Nomor Pelat Kendaraan Menggunakan Jaringan

Syaraf Tiruan Backpropagation”.

1.1. Latar Belakang

Lalu lintas sekarang ini semakin padat. Jumlah kendaraan sangat tinggi dan

selalu meningkat. Hal ini menjadi masalah serius karena pengawasan terhadap

kendaraan-kendaraan di lalu lintas menjadi lebih sulit dilakukan. Pengawasan

kendaraan yang biasanya dilakukan dengan mengenali nomor pelatnya ini padahal

memiliki banyak tujuan, seperti identifikasi kendaraan curian, identifikasi kendaraan

yang melanggar tata tertib lalu lintas, identifikasi kendaraan di gerbang tol,

manajemen perparkiran, kontrol masuk kendaraan di kargo bandara atau pelabuhan,

pengecekan keluar masuk kendaraan, dan lain sebagainya. Maka dari itu pengenalan

nomor pelat dalam pengawasan kendaraan pun harus memiliki ketelitian dan

kecepatan yang tinggi untuk mengimbangi jumlah kendaraan yang juga sangat tinggi

itu.

Jika pengenalan nomor pelat kendaraan dilakukan secara manual, maka akan

dibutuhkan banyak tenaga manusia. Selain itu faktor ketelitian atau akurasi pun

masih bisa diragukan karena kemungkinan human error sangat bisa terjadi. Hal ini

dapat ditangani dengan mengembangkan machine vision yang dapat mengenali

nomor pelat kendaraan secara otomatis. Bagian dari machine vision tersebut adalah

sebuah sistem atau software. Sebuah sistem atau software perlu dikembangkan agar

tercapai machine vision yang diharapkan, yaitu sistem yang mampu melakukan

pengenalan nomor pelat dengan cepat dan akurasi yang tinggi berdasarkan citra

digital pelat yang ditangkap oleh kamera.

Sistem dalam pengenalan nomor pelat kendaraan secara umum terdiri dari

dua proses utama yaitu plate localization dan plate recognition (Maarif & Sardy,

2006). Plate localization adalah proses mendapatkan lokasi pelat dari suatu citra

2

kendaraan. Plate recognition adalah proses komputasi termasuk pra-pengolahan dan

klasifikasiagar masing-masing karakter pada suatu pelat bisa dikenali. Penelitian

terkait plate localization, plate recognition, maupun gabungan keduanya pun terus

dikembangkan.

Penelitian pada tugas akhir ini berfokus di proses plate recognition, yang

mana di dalamnya terdapat proses pra-pengolahan dan klasifikasi. Sebelumnya,

penelitian terkait plate recognition sangat beragam, seperti yang dilakukan Maarif &

Sardy (2006), Huang, et al. (2008), Akoum, et al. (2009), Asthana, et al. (2011), dan

Pamungkas, et al.(2014). Penelitian pada tugas akhir ini menggunakan beberapa

tahapan pada pra-pengolahan seperti yang dilakukan pada penelitian Huang, et al.

(2008), Akoum, et al. (2009), dan Pamungkas, et al. (2014), yaitu dengan membaca

histogram persebaran piksel secara horisontal maupun secara vertikal dari suatu citra

pelat. Sedangkan pendekatan untuk proses klasifikasi, penelitian pada tugas akhir ini

menggunakan jaringan syaraf tiruan backpropagation, seperti yang dilakukan Maarif

& Sardy (2006), Huang, et al.(2008), dan Asthana, et al.(2011).

Backpropagation terhitung ampuh dalam mengenali nomor pelat kendaraan

karena memiliki akurasi yang tinggi. Sayangnya, backpropagation memiliki waktu

komputasi yang lambat karena metode ini memiliki propagasi maju dan propagasi

balik (Wuryandari & Afrianto, 2012).

Waktu komputasi yang lambat pada jaringan syaraf tiruan backpropagation

salah satunya dipengaruhi oleh arsitektur jaringan yang kompleks, seperti jumlah

layer atau jumlah neuron tiap layernya yang bisa jadi terlalu banyak. Jumlah neuron

input pun dipengaruhi oleh panjang ciri yang diekstrak. Semakin panjang jumlah

cirinya, semakin banyak jumlah neuron input.

Walau jumlah neuron input yang banyak membuat pola yang akan dikenali

semakin jelas, yang itu berarti berpengaruh ke hasil akurasi yang juga semakin baik,

namun hal tersebut juga berpengaruh pada waktu komputasi yang malah semakin

buruk. Maka dari itu, penelitian pada tugas akhir ini mencari model terbaik untuk

jaringan syaraf tiruan backpropagation, sehingga ditemukan waktu komputasi

terbaikpada akurasi yang baik juga.

3

1.2. Rumusan Masalah

Berdasarkan latar belakang di atas, maka dapat dirumuskan masalah sebagai

berikut:

1. Bagaimana cara membangun sistem pengenalan nomor pelat kendaraan dengan

menggunakan jaringan syaraf tiruan backpropagation?

2. Bagaimana pemodelan untuk pengenalan nomor pelat kendaraan dengan

menggunakan jaringan syaraf tiruan backpropagation?

3. Bagaimana akurasi dan waktu komputasi dalam pengenalan nomor pelat

kendaraan berdasarkan model jaringan yang digunakan?

1.3. Tujuan dan Manfaat

Tujuan tugas akhir ini adalah :

1. Menghasilkan sistem pengenalan nomor pelat kendaraan dengan menggunakan

jaringan syaraf tiruan backpropagation.

2. Mendapatkan model jaringan terbaik untuk pengenalan nomor pelat kendaraan.

3. Membandingkan nilai akurasi dan waktu komputasi dalam pengenalan nomor

pelat kendaraan berdasarkan model jaringan yang digunakan.

Adapun manfaat tugas akhir ini adalah :

1. Menambah wawasan mengenai pengenalan nomor pelat kendaraan dan

memperdalam pengetahuan mengenai artificial intellegent khususnya jaringan

syaraf tiruan backpropagation.

2. Berkontribusi pada perkembangan penelitian mengenai pengenalan nomor pelat

kendaraan menggunakan jaringan syaraf tiruan backpropagation.

3. Merekomendasikan model terbaik jaringan syaraf tiruan backpropagation yang

bisa diterapkan pada machine vision pengenalan nomor pelat kendaraan.

1.4. Ruang Lingkup

Ruang lingkup dalam pembangunan sistem pengenalan nomor pelat kendaraan

ini adalah sebagai berikut :

1. Input dari sistem ini adalah citra pelat kendaraan saja, bukan citra pelat

kendaraan beserta keseluruhan kendaraan.

2. Pelat kendaraan yang dipakai adalah pelat kendaraan dasar hitam yang

diakui oleh kepolisian negara RI (Republik Indonesia).

3. Input citra pelat kendaraan memiliki lebar minimal 200 piksel.

4

4. Sistem yang dibangun menggunakan proses pengembangan perangkat lunak

model waterfall.

5. Sistem dibangun menggunakan MATLAB dan berbasis desktop.

6. Sistem yang dikembangkan dapat mengenali nomor pelat kendaraan dari

citra yang disimpan dalam komputer berupa file, bukan citra yang diambil

langsung dengan webcam

7. Output dari sistem ini adalah berupa karakter alphanumericdari nomor pelat

kendaraan yang sudah dikenali.

1.5. Sistematika Penulisan

Sistematika penulisan yang digunakan dalam tugas akhir ini terbagi menjadi

beberapa pokok bahasan, yaitu:

BAB I PENDAHULUAN

Bab ini memberikan gambaran tentang latar belakang, rumusan masalah,

tujuan dan manfaat, ruang lingkup serta sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Bab ini menjelaskan tentang pustaka yang menjadi tinjauan dalam pelaksanaan

Tugas Akhir. Pustaka tersebut mencakup perkembangan penelitian nomor pelat

kendaraan, pelat nomor kendaraan, preprocessing citra, metode

backpropagation, dan pengembangan perangkat lunak model waterfall.

BAB III ANALISIS DAN PERANCANGAN

Bab ini membahas mengenai analisis dan perancangan yang dilakukan pada

pembuatan sistem pengenalan nomor pelat kendaraan menggunakan jaringan

syaraf tiruan backpropagation.

BAB IV IMPLEMENTASI DAN PENGUJIAN

Bab ini membahas impementasi dan pengujian yang telah dilakukan sistem

pengenalan nomor pelat kendaraan menggunakan jaringan syaraf tiruan

backpropagation.

BAB V PENUTUP

Bab ini merupakan kesimpulan dari bab-bab yang dibahas sebelumnya dan

saran untuk pengembangan penelitian tugas akhir lebih lanjut.

sistem pengenalan nomor pelat kendaraan...

Documents